Ciao Paolo, ovviamente mi hai incuriosito, ho utilizzato la console statistica R per fare una stima della VaR con il metodo della matrice covariante e con il metodo detto Monte Carlo (secondo me il migliore). Da quanto scrivi mi sembra sufficiente  un metodo covariante.

Precisazioni:

• non ho accesso ai valori storici di investing.com perchè a pagamento, quindi ho inserito la funzione 'getSymbol' che pesca dati opensource
• valuta di riferimento è il dollaro
• serie storica di riferimento ventennale (2005-2025 c.g.)
• livello di confidenza minimo e massimo, quindi 95% e 99%

Metodo covariante:
- serie storica dal 2005 a corrente giorno
- azioni calcolate con rendimenti giornalieri
- valutazione della matrice covariante riferita ai soli rendimenti

in questo metodo la VaR risulta di 187,27 $ con una confidenza del 95% e di 264,86$ con una confidenza del 99%

Metodo Monte Carlo:
- serie storica dal 2005 a corrente giorno
- azioni con rendimenti giornalieri (problema con valori mancanti spiegato a seguire)
- scenari per il metodo: 10000 (come da comune pratica finanziaria) su 252 giorni di trading/anno
- distribuzione probabilistica di tipo multivariato (matrice + vettore)

in questo metodo la VaR risulta di -330,45$ con una confidenza del 95% e di -544,66$ con una confidenza del 99%

Considerazioni:
A prima occhiata il metodo covariante restituisce valori positivi mentre il Monte Carlo valori negativi!! Questo si traduce in: per il covariante è attesa una perdita massima di 264$ su 10k investiti, mentre per il Monte Carlo il portafoglio è sempre in attivo di 330/544$ in un anno....bella grande differenza!!
Questo si spiega nei seguenti punti:

• il metodo covariante calcola una matrice di covarianza usando SOLO osservazioni complete, esclude in automatico i valori mancanti dalla matrice grazie alla funzione 'complete.obs' presente in R
• il metodo Monte Carlo ha il grosso limite che non permette di elidere gli "zeri" perchè incrocia una matrice covariante con un vettore di rendimenti mediati, quindi se ci sono zeri, ahinoi, falsano il risultato -- la cosa viene ovviata con il comando 'returns <- na.omit(returns)' ma perde di senso l'utilizzo del Monte Carlo e la valutazione degli scenari dove molti andrebbero buchi

In conclusione, nonostante la speranza di ottenere dati completi per una valutazione alla Monte carlo, il risultato più attendibile si ottiene dal metodo covariante.

Da dire che potrebbero essere anche trascurabili e invece la serie storica dei rendimenti è sempre positiva, però questo dovrebbe incidere anche sul metodo covariante il quale al contrario prevede una perdita.

Osservazioni:
Potrei ampliare la valutazione considerando dati ante dot com in modo che sia inserito come scenario; se qualcuno può ottenere serie storiche complete potremmo ottenere valutazioni sempre più precise.